机器学习复习(9) naive Bayes Classifier 朴素贝叶斯

假设的是所有特征都是相互独立的 朴素贝叶斯虽然很简单，但效果还不错 06年，被一些更加现代的方法超越，例如boosted ,random forests 需要估计的参数比较少 因为假设独立，所以只需要考虑方差，而不用考虑协方差 一般不考虑evidence，因为每个类的分母都一样 相当于一个常数（对于C） 根据朴素贝叶斯假设（特征之间相互独立），可以得到 复习到这里，我都差点忘记朴素贝叶斯是干嘛的了

>>阅读原文<<